使用深度学习人工智能对儿科患者全景放射图的缺失牙在每个象限中的存在分类
Eunjin Kim1, Jae Joon Hwang2,3, Bong-Hae Cho2,3
1Department of Pediatric Dentistry, School of Dentistry, Pusan National University, 50612 Yangsan, Republic of Korea.
The Journal of clinical pediatric dentistry
|May 17, 2024
概括
一个新的深度学习模型准确地对儿科全景放射图中缺失的牙进行分类. 这种人工智能工具有助于早期诊断,改善了儿童早期牙损失的患者结果.
科学领域:
- 牙科 牙科是指牙科的专业.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 儿童早期失去牙可能会导致严重的并发症,需要及时诊断.
- 全景放射是儿科牙科评估的常见成像技术.
研究的目的:
- 开发和评估一种新的深度学习模型,用于使用全景放射图对儿科患者的缺失牙进行分类.
- 评估拟议模型的诊断准确性.
主要方法:
- 对806张儿科全景射线图 (8-16岁) 的回顾性分析.
- 通过将放射图分成四个象限来增强数据,创建3224个数据点.
- 深度学习模型的培训和验证,使用 4:1 分割和 5 倍交叉验证.
- 梯度加权类激活映射用于模型可视化.
主要成果:
- 深度学习模型的整体准确度为0.738,F1得分为0.731.
- 灵敏度为0.635和特异性为0.814. 这是一个很好的结果.
- 分类准确度在缺失的犬骨和前骨中最高,在牙骨中最低.
结论:
- 开发的深度学习模型在儿科全景放射图上对缺失的牙进行分类时表现中等到良好.
- 该模型与新的小兴趣区域方法相结合,适用于识别缺失的牙.
- 这种人工智能驱动的工具可以支持及时诊断和管理儿科患者早期失去牙的情况.
